在2006年11月的helpful but somewhat dated关于使用vDSP对代码进行矢量化的文章中，作者发表了以下声明：
要记住的重要一点是，只有
步长等于1时，将提供极快的矢量化代码。
今天仍然如此吗？甚至在具有更强大矢量内在函数的新型Intel处理器上？
我之所以问是因为我正在编写一些矩阵数学例程，并且刚刚开始将它们全部切换为使用类似Fortran的列主排序的方法，以便更容易地与MATLAB，BLAS和LAPACK兼容。但是现在我发现对vDSP的一些调用需要在不再连续的向量上工作……
目前，这些vDSP调用是我的代码练习的瓶颈例程。并不是说情况总是如此，但是至少到目前为止，我不希望为了简化对其他库的调用而放慢它们的速度。
我现在最常调用的vDSP例程是vDSP_distancesq，以防有所不同。
最佳答案
是。
在有充分理由的情况下，我们（苹果公司的Vector and Numerics Group）可以为某些其他步骤添加优化。例如，在某些处理器模型上，如果步幅为2，我们将正常加载向量块，然后使用各种置换指令仅提取其他所有元素。这将导致代码的速度不如跨步代码快，但会比当前代码快。通常不这样做，因为通常还有其他更好的方法，例如将跨步数据复制到单元跨步缓冲区，在缓冲区上执行多个vDSP操作以及将数据复制回。
您描述的案例似乎不是专门针对非单位跨步的合适人选。如果要在数组的连续列上执行多个vDSP_distancesq操作，则最好并行执行（一次多列），而不要串行执行（所有列然后所有其他列，…）。如果仅对孤立的列执行单个vDSP_distancesq操作，则还有其他问题。矩阵的列操作因缓存问题而臭名昭著，尤其是如果每行的字节数是2的幂的倍数的倍数时。该操作可能受内存负载的约束，因此编写专门的代码来优化计算可能不会有所收获。
关于performance - 对于今天的vDSP性能，迈进1步仍然很关键吗？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/15753463/